前言

數(shù)據(jù)流轉(zhuǎn)是持續(xù)的、不斷變化的，我們應(yīng)當(dāng)善用這些數(shù)據(jù)特點(diǎn)來發(fā)揮最大價(jià)值。

在大數(shù)據(jù)和實(shí)時(shí)數(shù)據(jù)技術(shù)出現(xiàn)之前，數(shù)據(jù)的流轉(zhuǎn)相對(duì)簡單，整個(gè)過程類似于工廠的生產(chǎn)線。要么是將數(shù)據(jù)從相對(duì)靜態(tài)的數(shù)據(jù)庫移動(dòng)到數(shù)倉中的適當(dāng)位置，要么是將數(shù)據(jù)以一種標(biāo)準(zhǔn)化的方式在數(shù)據(jù)庫和應(yīng)用程序之間移動(dòng)。

與過去相比，當(dāng)前環(huán)境是多對(duì)多的場景，例如來自流式、批處理或微批處理的各類數(shù)據(jù)，被多個(gè)應(yīng)用程序所消費(fèi)。大規(guī)模數(shù)據(jù)的處理操作也不再遵循傳統(tǒng)數(shù)據(jù)所走的線性路徑，而更像是一個(gè)城市交通網(wǎng)格（即共享資源的網(wǎng)絡(luò)）。

此外，由于各方（甚至是第三方）分別管控?cái)?shù)據(jù)來源和應(yīng)用，一旦模式或語義不可避免地發(fā)生變化時(shí)（即數(shù)據(jù)漂移），則會(huì)對(duì)數(shù)據(jù)下游的應(yīng)用（分析或交互）造成嚴(yán)重干擾。

鑒于現(xiàn)代化數(shù)據(jù)的動(dòng)態(tài)特性，我們需要從操作的角度出發(fā)，必須每天進(jìn)行管理并隨著時(shí)間的推移不斷迭代。在當(dāng)下，企業(yè)必須基于不斷變化的特性來構(gòu)建架構(gòu)，并持續(xù)監(jiān)視和調(diào)整其數(shù)據(jù)流轉(zhuǎn)系統(tǒng)的性能。

一、11個(gè)最佳實(shí)踐

下面我們分享一下數(shù)據(jù)集成的11個(gè)最佳實(shí)踐：

1、盡量避免手工編碼

雖然編寫定制代碼將數(shù)據(jù)從源頭導(dǎo)入到數(shù)據(jù)倉庫中早已是司空見慣的事，但是鑒于大數(shù)據(jù)的動(dòng)態(tài)特性，這種做法是危險(xiǎn)的。此類操作會(huì)在數(shù)據(jù)流處理中是被證明非常容易出錯(cuò)和難以維護(hù)，一旦數(shù)據(jù)模式發(fā)生微小的變化，則會(huì)導(dǎo)致數(shù)據(jù)管道丟失數(shù)據(jù)或完全失敗。除此以外，還存在下述問題：

• 缺少數(shù)據(jù)管道的監(jiān)控： 由于檢測工具必須顯式地設(shè)計(jì)在其中（通常沒有遵循），因此數(shù)據(jù)流可能成為黑箱。
• 扼殺組織敏捷性： 底層編碼將導(dǎo)致組件間的耦合更加緊密，使基礎(chǔ)設(shè)施難以升級(jí)。

目前，現(xiàn)代化的數(shù)據(jù)處理系統(tǒng)可以在數(shù)據(jù)源、中間處理系統(tǒng)（如Kafka等消息隊(duì)列）和數(shù)據(jù)倉庫之間建立無代碼的即插即用連接。您可以從此類系統(tǒng)中得到靈活性、可見性和獨(dú)立升級(jí)數(shù)據(jù)處理組件的能力。如果您擔(dān)心定制化或可擴(kuò)展性問題，這些工具一般會(huì)通過支持強(qiáng)大的表達(dá)式語言或插入自定義代碼的能力來增強(qiáng)其內(nèi)置連接器。

Tapdata Real Time DaaS 就是一款基于數(shù)據(jù)即服務(wù)（DaaS）架構(gòu)理念的現(xiàn)代數(shù)據(jù)集成系統(tǒng)，具備異構(gòu)數(shù)據(jù)實(shí)時(shí)同步、批流一體數(shù)據(jù)融合、自助式 API 發(fā)布等核心功能，可幫助企業(yè)無代碼快速連接孤島系統(tǒng)，構(gòu)建敏捷型的實(shí)時(shí)數(shù)據(jù)服務(wù)平臺(tái)，能夠?yàn)槁?lián)機(jī)分析處理（OLAP）業(yè)務(wù)提供實(shí)時(shí)數(shù)據(jù)輸入和為交互式業(yè)務(wù)（OLTP）提供實(shí)時(shí)的數(shù)據(jù)服務(wù)。Tapdata Real Time DaaS 核心優(yōu)勢是“全鏈路實(shí)時(shí)”：基于CDC方式實(shí)時(shí)采集；實(shí)時(shí)流式建模；亞秒級(jí)真實(shí)時(shí)分析；增量數(shù)據(jù)校驗(yàn)；高并發(fā)查詢毫秒級(jí)響應(yīng)。適用于企業(yè)統(tǒng)一數(shù)據(jù)管理、實(shí)時(shí)數(shù)據(jù)中臺(tái)、實(shí)時(shí)數(shù)據(jù)庫同步、業(yè)務(wù)系統(tǒng)升級(jí)與加速等多個(gè)場景。

2、由業(yè)務(wù)驅(qū)動(dòng)并減少對(duì) Schema 規(guī)范的依賴

雖然完整的 Schema 規(guī)范是傳統(tǒng)數(shù)據(jù)世界的標(biāo)準(zhǔn)要求，但大數(shù)據(jù)場景下，它將導(dǎo)致工程時(shí)間和資源的浪費(fèi)。消費(fèi)應(yīng)用程序通常僅使用幾個(gè)關(guān)鍵字段進(jìn)行分析，加上大數(shù)據(jù)源往往有控制不力的Schema，隨著時(shí)間的推移而變化，迫使人們不斷地進(jìn)行維護(hù)。

數(shù)據(jù)流系統(tǒng)應(yīng)該是由業(yè)務(wù)驅(qū)動(dòng)，而不是依賴于完整的 Schema 規(guī)范，因此您只需為下游分析有關(guān)的字段指定條件并執(zhí)行轉(zhuǎn)換。

此類極簡風(fēng)格不僅減少了開發(fā)和實(shí)施管道所需的工作和時(shí)間，同時(shí)還使數(shù)據(jù)流更加可靠，出錯(cuò)可能性更小。

3、設(shè)計(jì)批流一體的數(shù)據(jù)處理框架

即使行業(yè)中有很多關(guān)于流分析的聲音，但企業(yè)的數(shù)據(jù)仍然是一個(gè)基于過去30年開發(fā)的應(yīng)用程序和源數(shù)據(jù)庫的批處理世界。因此，當(dāng)你在規(guī)劃網(wǎng)絡(luò)安全、物聯(lián)網(wǎng)和其他利用流的新時(shí)代應(yīng)用時(shí)，您必須考慮這樣一個(gè)事實(shí)，即這些數(shù)據(jù)通常需要與批處理源（例如主數(shù)據(jù)或交易數(shù)據(jù)）結(jié)合或?qū)ζ溥M(jìn)行分析。

實(shí)際場景中，需要將流合并到遺留的批處理驅(qū)動(dòng)架構(gòu)中，同時(shí)維護(hù)或改進(jìn)整體數(shù)據(jù)操作的性能和可靠性，而不是建立一個(gè)僅用于流的框架。

Tapdata Real Time DaaS 實(shí)時(shí)數(shù)據(jù)服務(wù)平臺(tái)即采用了批流一體的實(shí)時(shí)數(shù)據(jù)融合架構(gòu)，能夠非常好的滿足上述場景需求。

4、在提取時(shí)清洗原始數(shù)據(jù)

早期 Hadoop 用戶的最初口號(hào)是只在數(shù)據(jù)倉庫中存儲(chǔ)只讀不可變的原始數(shù)據(jù)。隨著技術(shù)在真實(shí)場景的應(yīng)用，我們逐漸認(rèn)識(shí)到，如果沒有對(duì)數(shù)據(jù)進(jìn)行清洗有可能引發(fā)一些嚴(yán)重的缺陷。這就好比人喝了未經(jīng)處理的水容易生病一樣。

直接存儲(chǔ)原始數(shù)據(jù)通常會(huì)導(dǎo)致下述問題：

• 數(shù)據(jù)倉庫難以提供有效數(shù)據(jù)查詢能力，失去利用價(jià)值
  Gartner 等公司將此類數(shù)據(jù)倉庫比喻為“數(shù)據(jù)沼澤”。
• 存儲(chǔ)原始數(shù)據(jù)會(huì)導(dǎo)致數(shù)據(jù)湖中包含個(gè)人數(shù)據(jù)和其他敏感信息，額外增加了安全合規(guī)風(fēng)險(xiǎn)。

為消除此類風(fēng)險(xiǎn)，常見的方法是由數(shù)據(jù)科學(xué)家來清洗每個(gè)消費(fèi)活動(dòng)的數(shù)據(jù)，但顯然該方式的效率非常低。通過 Tapdata Real Time DaaS，您將實(shí)現(xiàn)在數(shù)據(jù)攝取時(shí)完成數(shù)據(jù)清洗：

• 基礎(chǔ)清洗：包括簡單的“行進(jìn)行出”轉(zhuǎn)換，執(zhí)行企業(yè)數(shù)據(jù)策略、規(guī)范化/標(biāo)準(zhǔn)化數(shù)據(jù)格式。
• 高階清洗：包括主數(shù)據(jù)建模，多表合并，聚合計(jì)算等，其結(jié)果可以更容易更快速的被下游開發(fā)者或者數(shù)據(jù)科學(xué)家和商業(yè)分析師廣泛利用。

盡可能地靠近數(shù)據(jù)源對(duì)數(shù)據(jù)進(jìn)行清洗可以提高數(shù)據(jù)科學(xué)家的工作效率，讓他們專注于特定用例的“數(shù)據(jù)整理（data wrangling）”，而不是將力氣反復(fù)花在本應(yīng)自動(dòng)化的規(guī)則重建上。

5、盡量不要依賴文件傳輸

新的數(shù)據(jù)集通常是無限和連續(xù)的，比如不斷變化的日志、點(diǎn)擊流和物聯(lián)網(wǎng)傳感器輸出等。如果對(duì)這些動(dòng)態(tài)數(shù)據(jù)源使用文件傳輸或其他輔助機(jī)制會(huì)導(dǎo)致一個(gè)容易出現(xiàn)數(shù)據(jù)故障的體系結(jié)構(gòu)，需要不斷維護(hù)以保持可行性。

由于文件的內(nèi)容在大小、結(jié)構(gòu)和格式上各不相同，因此很難即時(shí)檢查到相關(guān)問題。這意味著無法觀測到應(yīng)該傳達(dá)給消費(fèi)系統(tǒng)和應(yīng)用的變化。如果您打算依賴于文件傳輸機(jī)制，可以考慮對(duì)文件進(jìn)行預(yù)處理，以標(biāo)準(zhǔn)化數(shù)據(jù)格式簡化檢查和分析，或者采用一個(gè)提取工具或框架來完成此工作。Tapdata Real Time DaaS 便可以協(xié)助您完成企業(yè)統(tǒng)一數(shù)據(jù)的管理。

6、監(jiān)控?cái)?shù)據(jù)流中的一切

在一個(gè)復(fù)雜的數(shù)據(jù)流系統(tǒng)中，你永遠(yuǎn)無法獲得足夠的可見性。當(dāng)你面對(duì)不斷變化的數(shù)據(jù)源和系統(tǒng)的挑戰(zhàn)時(shí)，端到端的數(shù)據(jù)流轉(zhuǎn)檢測為您提供了一個(gè)了解性能的窗口。不僅需要用于對(duì)單個(gè)數(shù)據(jù)流進(jìn)行時(shí)間序列分析以梳理隨時(shí)間的變化，更重要的是，它可以幫助你在不同的數(shù)據(jù)流之間進(jìn)行關(guān)聯(lián)，以實(shí)時(shí)識(shí)別關(guān)心的事件。

企業(yè)應(yīng)該盡量捕獲整個(gè)數(shù)據(jù)流架構(gòu)的每個(gè)方面的細(xì)節(jié)，同時(shí)最大限度地減少系統(tǒng)之間的緊耦合和磨合成本。一個(gè)好的監(jiān)控方法應(yīng)滿足以下特性：

• 將測量值異步傳遞給外部管理系統(tǒng)。
• 監(jiān)測項(xiàng)可以從粗粒度下鉆到細(xì)粒度，可適用于診斷、根因分析和問題修復(fù)。

Tapdata Real Time DaaS 具備詳盡的可觀測性能力，在完整的數(shù)據(jù)鏈路上，從日志的采集和解析，到各個(gè)處理節(jié)點(diǎn)，到最終寫入到目標(biāo)，提供了上百個(gè)不同的指標(biāo)監(jiān)控點(diǎn)，并可以直接對(duì)接Prometheus平臺(tái)，為用戶提供數(shù)據(jù)任務(wù)的詳細(xì)洞察能力。

7、檢查數(shù)據(jù)內(nèi)容而不是只計(jì)算數(shù)量

試想一下，如果機(jī)場安檢只是清點(diǎn)乘客和行李，而不是實(shí)際掃描行李中的異常物品，你會(huì)感到安全嗎？當(dāng)然不會(huì)，然而傳統(tǒng)的數(shù)據(jù)提取的指標(biāo)是吞吐量和延遲。

如果您在數(shù)據(jù)流轉(zhuǎn)的過程中對(duì)其進(jìn)行剖析和了解其價(jià)值，您會(huì)得到更好的結(jié)果和價(jià)值。 否則，會(huì)讓自己處于數(shù)據(jù)格式或意義的突發(fā)變化的風(fēng)險(xiǎn)之中。數(shù)據(jù)值的重大變化可能表明現(xiàn)實(shí)世界發(fā)生了真正的變化，或者可能表明未檢測到的數(shù)據(jù)漂移正在影響您的下游分析。

檢查數(shù)據(jù)內(nèi)容的另一個(gè)好處是，它允許您識(shí)別傳輸基礎(chǔ)設(shè)施的個(gè)人或其他敏感數(shù)據(jù)。許多行業(yè)和地區(qū)對(duì)個(gè)人數(shù)據(jù)的存儲(chǔ)都有嚴(yán)格的要求，例如歐盟 2018 年“即用即棄”的 GDPR 要求。通過提供對(duì)收集和存儲(chǔ)的任何個(gè)人數(shù)據(jù)的實(shí)時(shí)檢測和跟蹤， 持續(xù)監(jiān)視輸入數(shù)據(jù)的模式有助于公司遵守規(guī)則。

8、通過 DevOps 來應(yīng)對(duì)數(shù)據(jù)流轉(zhuǎn)

敏捷工作流的 DevOps 敏感性與系統(tǒng)設(shè)計(jì)者和運(yùn)行者之間聯(lián)系緊密，非常適合大數(shù)據(jù)的流轉(zhuǎn)操作。在一個(gè)數(shù)據(jù)源、消費(fèi)用例和數(shù)據(jù)處理系統(tǒng)不斷演進(jìn)的世界里，數(shù)據(jù)管道需要頻繁地調(diào)整。

傳統(tǒng)的數(shù)據(jù)集成系統(tǒng)可以追溯到瀑布開發(fā)方法為王的時(shí)代，彼時(shí)的工具幾乎完全專注于設(shè)計(jì)模式問題。早期的大數(shù)據(jù)采集開發(fā)框架（如Apache Sqoop和Apache Flume）也是如此。如今，使用 Tapdata Real Time DaaS，便可以快速提供了一個(gè)集成開發(fā)環(huán)境（IDE），滿足在不斷發(fā)展的數(shù)據(jù)流生命周期中持續(xù)使用的需求。

9、分離數(shù)據(jù)流轉(zhuǎn)系統(tǒng)與基礎(chǔ)架構(gòu)

與為傳統(tǒng)數(shù)據(jù)架構(gòu)構(gòu)建的單體式解決方案不同，大數(shù)據(jù)基礎(chǔ)設(shè)施需要在同類最佳（通常是開源）組件之間進(jìn)行協(xié)調(diào)，以實(shí)現(xiàn)特定功能，例如提取、消息隊(duì)列、存儲(chǔ)、搜索、分析和機(jī)器學(xué)習(xí)。 這些組件按照自己的節(jié)奏發(fā)展，且需要根據(jù)業(yè)務(wù)需求進(jìn)行升級(jí)。因此，大型且昂貴的同步升級(jí)正在被對(duì)組件進(jìn)行的一系列逐項(xiàng)更改所取代。

為了讓您的數(shù)據(jù)操作在這個(gè)日新月異的新時(shí)代中保持最新狀態(tài)，您應(yīng)該使用中間件層的數(shù)據(jù)傳送系統(tǒng)，它能使每個(gè)傳送鏈上的子系統(tǒng)相互之間松耦合。這使您無需重新實(shí)施基礎(chǔ)設(shè)施的基礎(chǔ)部分即可對(duì) “用菜單點(diǎn)菜”的方式進(jìn)行現(xiàn)代化改造。

10、規(guī)劃復(fù)合部署模式

數(shù)據(jù)流不僅變得復(fù)雜，而且現(xiàn)在跨越了一系列部署備擇方案。行業(yè)調(diào)查表明，企業(yè)期望跨多個(gè)云部署數(shù)據(jù)，同時(shí)仍保留本地?cái)?shù)據(jù)操作。

邊緣操作正在從簡單的收集轉(zhuǎn)變?yōu)榘ê唵位驈?fù)雜的處理，這取決于設(shè)備約束、緊急性和連接的穩(wěn)健性。由于每個(gè)部署選項(xiàng)都有自己的優(yōu)勢，因此不要指望有一種方法能夠一勞永逸。 實(shí)際上，業(yè)務(wù)需求將決定一個(gè)企業(yè)架構(gòu)，該架構(gòu)需要將其中的許多元素結(jié)合起來。

無論你處于什么階段，最好進(jìn)行這樣一個(gè)假設(shè)：您將數(shù)據(jù)存儲(chǔ)在許多不同的環(huán)境中，并構(gòu)建基于完整“工作負(fù)載可轉(zhuǎn)移”的架構(gòu)，您可以基于任務(wù)執(zhí)行的最優(yōu)代價(jià)和性能特征將數(shù)據(jù)流轉(zhuǎn)至分析點(diǎn)，并且以最小的阻礙做到這一點(diǎn)。

此外，隨著云產(chǎn)品和業(yè)務(wù)需求的發(fā)展，您的多云架構(gòu)將隨著時(shí)間的推移而變化。

11、建立卓越的動(dòng)態(tài)數(shù)據(jù)中心

數(shù)據(jù)的移動(dòng)正在從“煙囪模型”演變?yōu)轭愃朴?#34;網(wǎng)格模型"。 你不能再使用“即用即走”的方法來構(gòu)建數(shù)據(jù)攝取管道。 在這樣的系統(tǒng)中，你必須規(guī)范化整體運(yùn)作管理（包括對(duì)人員、流程以及系統(tǒng)的管理），以確保該系統(tǒng)能可靠地運(yùn)行并持續(xù)滿足SLA。這也就意味著：

• 需要在系統(tǒng)中添加工具來提供對(duì)流量的實(shí)時(shí)可視化監(jiān)控；
• 系統(tǒng)還需要能夠接收警告并應(yīng)對(duì)數(shù)據(jù)傳輸過程中可能存在的違反數(shù)據(jù)完整性的問題。

否則，你就會(huì)像”手握紙質(zhì)地圖嘗試在瞬息萬變的繁忙城市交通中導(dǎo)航“一樣感到手足無措，與此同時(shí)，還可能存在數(shù)據(jù)延遲、不完整甚至數(shù)據(jù)丟失的風(fēng)險(xiǎn)。

二、Tapdata Real Time DaaS 助您實(shí)現(xiàn)最佳數(shù)據(jù)集成

類似于 IaaS，PaaS 或者 SaaS，Tapdata Real Time DaaS 是基于 DaaS (Data as a Service)架構(gòu)， 將企業(yè)各個(gè)業(yè)務(wù)系統(tǒng)的數(shù)據(jù)匯總到一個(gè)中央化平臺(tái)，經(jīng)過低代碼方式治理以后，形成可復(fù)用的企業(yè)數(shù)據(jù)資產(chǎn)，通過無代碼數(shù)據(jù)接口方式提供給業(yè)務(wù)使用方。其特點(diǎn)和創(chuàng)新點(diǎn)是：具備“實(shí)時(shí)同步+實(shí)時(shí)處理+實(shí)時(shí)服務(wù)”的全鏈路實(shí)時(shí)數(shù)據(jù)處理及服務(wù)平臺(tái)。

• 實(shí)時(shí)數(shù)據(jù)采集同步。 Tapdata 的第一步就是將批量、滯后的 ETL 換成了 CDC 方式，基于數(shù)據(jù)庫 Write Ahead Log 日志同步監(jiān)聽的方式來進(jìn)行在不同系統(tǒng)之間的數(shù)據(jù)復(fù)制，它的優(yōu)勢在于：對(duì)源庫性能影響小；資源消耗少；從事務(wù)在源端提交開始到更新寫入同步的目標(biāo)庫，延遲可以小于1秒，能夠滿足對(duì)實(shí)時(shí)性要求較高的業(yè)務(wù)場景；
  

• 基于Pipeline的流式數(shù)據(jù)處理建模。 當(dāng)我們把需要的數(shù)據(jù)從源庫里面無侵入、準(zhǔn)實(shí)時(shí)地抽取了出來之后，可能還需要：對(duì)來自多個(gè)庫的數(shù)據(jù)進(jìn)行合并；對(duì)表結(jié)構(gòu)進(jìn)行重構(gòu)，組成新的模型；構(gòu)建業(yè)務(wù)寬表等?；?Tapdata 實(shí)時(shí)流數(shù)據(jù)處理技術(shù)，可以實(shí)現(xiàn)事件觸發(fā)、毫秒級(jí)數(shù)據(jù)更新、不間斷持續(xù)運(yùn)行，從而滿足 TP 業(yè)務(wù)和實(shí)時(shí)分析等場景需求。
  

• 基于分布式數(shù)據(jù)庫 MongoDB 或 TiDB 的中間庫存儲(chǔ)。 相比 AP 數(shù)據(jù)平臺(tái)常用的 Hadoop 大數(shù)據(jù)存儲(chǔ)方案， 比較成熟的分布式數(shù)據(jù)庫（MongoDB 或 TiDB）更適合作為 DaaS 的存儲(chǔ)方案。主要原因是 DaaS 的很大一部分能力需要直接對(duì)接業(yè)務(wù)系統(tǒng)，高并發(fā)，毫秒級(jí)響應(yīng)是必備的能力。這種能力只有基于索引機(jī)制的分布式數(shù)據(jù)庫才可以做到。MongoDB 的模型變動(dòng)靈活，非常適合多源快速融合，無需復(fù)雜關(guān)系建模。而 TiDB 的 HTAP 則能不錯(cuò)的支撐一些常見的分析業(yè)務(wù)。
  
  Tapdata Real Time DaaS 可以滿足當(dāng)下多種數(shù)據(jù)集成的應(yīng)用場景：

• 快速數(shù)據(jù)交付
  新型數(shù)據(jù)庫和國產(chǎn)數(shù)據(jù)庫越來越多，每一個(gè)新數(shù)據(jù)庫場景的落地，都有可能需要獲取已有業(yè)務(wù)系統(tǒng)的數(shù)據(jù)。直接從 Tapdata Real Time DaaS 導(dǎo)入并保持持續(xù)同步，滿足實(shí)時(shí)數(shù)據(jù)更新的需求，從數(shù)周的時(shí)間縮短到數(shù)小時(shí)內(nèi)完成數(shù)據(jù)交付；

• 構(gòu)建實(shí)時(shí)數(shù)據(jù)中臺(tái)
  通過 Tapdata Real Time DaaS 實(shí)時(shí)打通企業(yè)數(shù)據(jù)孤島，對(duì)數(shù)據(jù)進(jìn)行實(shí)時(shí)采集，治理及建模，構(gòu)建企業(yè)的主數(shù)據(jù)系統(tǒng)，為企業(yè)的交互式業(yè)務(wù)，包括客戶管理、生產(chǎn)運(yùn)營管理等提供一個(gè)完整全面的企業(yè)數(shù)據(jù)底座，支撐前端交互式業(yè)務(wù)。

• 開發(fā)實(shí)時(shí)數(shù)據(jù)大屏
  Tapdata Real Time DaaS 完成數(shù)據(jù)采集同步，寬表構(gòu)建，統(tǒng)計(jì)聚合計(jì)算，并為帆軟、Tableau 或自研的數(shù)據(jù)可視化平臺(tái)提供數(shù)據(jù)固化視圖，以亞秒級(jí)的性能為這些可視化平臺(tái)供數(shù)，超越傳統(tǒng)大屏依賴 SQL 和邏輯視圖的方案，讓實(shí)時(shí)大屏交互體驗(yàn)無需等待，更流暢。

• 構(gòu)建實(shí)時(shí)數(shù)倉
  將企業(yè)主數(shù)據(jù)及運(yùn)營數(shù)據(jù)統(tǒng)一匯聚到 Tapdata Real Time DaaS ，按照數(shù)倉分層理論分成基礎(chǔ)數(shù)據(jù)，主數(shù)據(jù)和匯總數(shù)據(jù)層，為企業(yè)BI、報(bào)表等提供快速的數(shù)據(jù)支撐。

• 構(gòu)建企業(yè)數(shù)據(jù)服務(wù)平臺(tái)
  企業(yè)內(nèi)部部門眾多，各業(yè)務(wù)均需要獲取企業(yè)相關(guān)運(yùn)營數(shù)據(jù)，通過 Tapdata Real Time DaaS 構(gòu)建一個(gè)統(tǒng)一的數(shù)據(jù)服務(wù)平臺(tái)，部門可以快速的獲取業(yè)務(wù)所需要的數(shù)據(jù)，并且通過API方式可以實(shí)現(xiàn)自助訪問。

獲取更多 Tapdata Real Time DaaS 的信息，可訪問 Tapdata 官網(wǎng) https:/// ，點(diǎn)擊下載 Tapdata 技術(shù)白皮書 或 免費(fèi)試用 Tapdata Real Time DaaS 。